改進CERES-Rice模型模擬覆膜旱作水稻生長

馬雯雯，石建初，金欣欣，寧松瑞，李 森，陶玥玥，張亞男，劉 洋，林 杉，胡鵬程，左 強

?

改進CERES-Rice模型模擬覆膜旱作水稻生長

馬雯雯1，石建初1，金欣欣2，寧松瑞3，李 森1，陶玥玥4，張亞男1，劉 洋5，林 杉1，胡鵬程1，左 強1※

（1. 中國農業大學資源與環境學院，北京 100193；2. 河北省農林科學院糧油作物研究所，石家莊050035；3. 陜西省土地工程建設集團有限責任公司，西安 710075；4. 江蘇太湖地區農業科學研究所，蘇州 215155；5. 河北省水利水電第二勘測設計研究院，石家莊 050021）

覆膜旱作是節水稻作生產體系的重要措施之一，采用CERES-Rice模型模擬覆膜旱作水稻生長需另外考慮覆膜的增溫效應和根系層土壤水分布差異及由此所帶來的影響。該文借鑒部分旱地作物的相關研究成果，對原CERES-Rice模型中的積溫和土壤溫度、蒸發和土壤水分脅迫等模擬計算過程進行了改進，并進一步通過2個水稻生長季的田間試驗予以驗證。試驗于2013、2014 年在湖北房縣進行，共涉及淹水（對照）、覆膜濕潤栽培和覆膜旱作共3個水分處理，采用原模型和改進模型分別對2個生長季、2個覆膜處理的生育期、葉面積指數與地上部干物質質量的變化過程及產量進行模擬。結果表明：原CERES-Rice模型難以準確刻畫覆膜旱作水稻的生長發育過程，經改進后，模擬效果大大改善，可有效反映環境變化（水分、溫度）對覆膜水稻生育進程的影響和產量形成，維持生育期與產量模擬的相對誤差在15%以內；覆膜水稻葉面積指數的動態模擬基本滿足要求，其均方根差≤1.54 m2/m2、相對均方根差≤27%、建模效率≥0.85；對覆膜水稻地上部干物質質量變化過程的模擬也呈現出較好的效果，均方根差和相對均方根差分別小于1 490 kg/hm2、16%，建模效率則高于0.95。總體而言，經改進后的CERES-Rice模型基本可滿足要求，較好地用于模擬覆膜旱作水稻的生長發育規律。

土壤；模型；數值方法；覆膜旱作水稻； CERES-Rice模型；水稻生長發育

0 引 言

傳統水稻多采用耗水量較大的淹水種植方式栽培，水資源緊缺的形勢促使節水稻作生產體系得到長足發展，其重要措施之一是覆膜旱作技術，它具有顯著的節水、節肥、增產等優勢[1]，已在中國部分地區得到了較為廣泛的推廣與應用[2]。總體而言，該體系提出的時間相對較短，不僅其相關機理而且對環境的效應還有待于更深的研究，顯然，采用模型模擬是其中較為重要的手段之一。CERES-Rice模型能較好地模擬環境因素，如天氣、土壤、品種、水肥，對淹水水稻生長發育的影響，進而為當地制定出最佳決策，迄今為止，已在傳統淹水水稻生長模擬及環境效應評估中發揮了極為重要的作用，并在世界各國獲得廣泛的成功應用[3-4]。

水稻覆膜旱作與淹水種植的生長條件有較大差異。現有的CERES-Rice模型主要用于傳統淹水水稻的生長模擬，當采用該模型模擬覆膜旱作水稻生長時，必須考慮覆膜的增溫效應和根系層土壤水分分布的差異及由此所產生的影響。CERES-Rice模型中的溫度模擬模塊經合理改進后可有效模擬覆膜的增溫效應[5]。本文旨在在嵌入上述溫度模擬改進模塊的基礎上，進一步考慮覆膜旱作所導致的根系層水分脅迫環境及地表邊界條件的差異，改進和完善CERES-Rice模型中的土壤水分與溫度模擬模塊，使其能較好地模擬覆膜旱作水稻生長。模擬結果將通過2013—2014年在湖北房縣開展的2季水稻栽培田間試驗予以驗證。

1 材料與方法

1.1 CERES-Rice模型簡介

CERES-Rice水稻生長模型是DSSAT系統（Decision Support System for Agrotechnology Transfer）中眾多的作物生長模型之一。通過與DSSAT系統的相關模塊結合，CERES-Rice模型能夠分析眾多因子對淹水水稻生長發育的影響，由3部分組成[3]：1）輸入模塊：主要包括天氣、土壤、田間管理與物種遺傳特性參數的數據文件，以及實測數據文件等；2）輸出與分析模塊：包含模型所有的模擬結果和數據分析輸出文件；3）生理生態過程模擬模塊：主要由天氣、土壤、土壤-作物-大氣和生長發育4個子模塊組成，可定量描述不同環境條件下作物的生長發育基本過程。鑒于本文氣象數據均為實測輸入，僅分別簡要介紹其他幾個子模塊的計算原理或過程如下。

1.1.1 土壤子模塊

土壤子模塊主要包括土壤水分和土壤碳氮平衡2部分，本文僅考慮其中的土壤水分平衡計算[6]。早期的DSSAT v3.5模型中，剖面土壤含水量的計算主要基于每天的降水、灌溉、蒸騰、土壤蒸發、徑流和深層滲漏等參數，從DSSAT v4.0開始，土壤蒸發、作物蒸騰和根系吸水過程被分到土壤-作物-大氣（soil-crop-atmosphere continuum，SPAC）子模塊予以考慮，使模型擴展和維護更為靈活。

1.1.2 SPAC子模塊

SPAC子模塊包括土壤溫度、蒸發（土壤、水面）、作物蒸騰和根系吸水等子模型，其中土壤溫度的模擬原理與過程已在文獻[5]中介紹，這里不再贅述。蒸發子模塊包括水面蒸發和土壤蒸發的計算。水面蒸發由潛在蒸散和葉面積指數（leaf area index，LAI）予以計算，其中潛在蒸散采用Priestley-Taylor模型，根據太陽輻射、最高溫度、最低溫度、葉面積指數和土壤反射率等參數進行估算[7]。另外，基于潛在蒸散和葉面積指數還可獲得潛在土壤蒸發，之后應用Suleiman和Ritchie提出的擴散理論，根據土壤質地和土壤含水量即可估算實際土壤蒸發[8-9]。

SPAC子模塊中的根系吸水根據根長密度分布、潛在蒸騰及土壤水分狀況等參數進行模擬[7,10]。

1.1.3 生長發育子模塊

生育期模擬：水稻生長發育子模塊的主要編制原理是利用溫度、光合和遺傳參數決定作物1個新生育期的開始。遺傳參數有8個：營養生長期所需熱時量、最適的光周期、幼穗分化至圓錐花序產生所需的熱時量、完成灌漿期所需要的熱時量、日輻射與同化物之間的轉換系數、潛在籽粒質量、分蘗速度、溫度容忍系數。其中，前4個與發育特性有關，后4個則與產量形成相關[11]。將生育期由l～9編號[12]，每個生育期均由各自的累計積溫決定[13]。本文水稻品種的遺傳特性參數直接引用劉洋等[14]的優化結果。

生長模擬：生長發育子模塊模擬生物量的生產與分配。干物質生產的實際速率由干物質的潛在產量和脅迫因子（主要包括溫度脅迫因子、水分脅迫因子和移栽休克因子）計算獲得，所涉及的參數包括遺傳特性參數、最低/最高氣溫、溫度、積溫、生育期（時間）、根系吸水及蒸騰、光能利用效率、光合有效輻射、種植密度、葉面積指數等，計算過程較為復雜，詳見文獻[15-16]，為了合理考慮覆膜及其內部微細水珠對光的反射作用，其中的光合有效輻射參數參照汪興漢[17]的推薦值進行微調。

1.2 大田試驗

1.2.1 試驗區概況

大田試驗于湖北省十堰市房縣紅塔鄉況營村的房縣農業局高枧苗木場（北緯32°7′、東經110°42′，海拔450 m）進行。當地屬于北亞熱帶濕潤季風氣候，夏季平均氣溫多高于25 ℃，年平均降水量830 mm左右。影響當地農作物生長的主要災害性天氣包括春季“倒春寒”和夏季“卡脖旱”[18]。目前房縣水稻種植主要包括傳統淹水和覆膜旱作2種生產體系。

試驗小區剖面0～20和＞20～60 cm土壤pH值分別為6.2、6.4，土壤有機質質量分數分別為13.9、7.7 g/kg，土壤剖面質地與基本物理化學性質的介紹詳見文獻[19]。在水稻生長季內，試驗區地下水位波動范圍為20～70 cm。

1.2.2 試驗處理與布局

大田試驗共3個水分處理，分別是淹水處理（W1）、覆膜濕潤處理（W2）和覆膜旱作處理（W3），其具體含義分別如下[19-20]：W1為水稻整個生育期內保持2～5 cm水層；W2為水稻整個生育期內沒有水層，根系層土壤含水量飽和；W3在分蘗中期前與W2一樣，之后根系層土壤含水量是田間持水量的80%～100%各處理3個重復，共9個田塊，田塊均為10 m′9 m的長方形，如圖1所示，隨機布置。為了預防田塊之間的水分側滲，試驗開始前，在各田塊的四周地面以下80 cm鋪設防滲膜。每個田塊有5個廂面，廂面寬156 cm，每個廂面種植6行水稻，行間距26 cm，株距18 cm，采用溝灌方式進行灌溉，在各田塊廂面間設輸水溝，溝寬為 15 cm，溝深為15 cm。為準確計量灌溉量與排水量，在各田塊均分別安裝進、出水表。

圖1 試驗小區平面圖

大田試驗共開展2季（2013—2014年），試驗采用的是宜香3728的水稻品種。于2013年4月2日育苗，26 DAP即4月28日進行移栽（其中DAP表示播種后天數），9月9日收獲（160 DAP），生育期共160 d。2014年4月5日育苗，4月29日（24 DAP）至5月1日移栽，于9月19日（167 DAP）收獲，生育期共167 d。水稻移栽即2013年4月28日、2014年4月29日后進行水分管理，具體水肥管理措施詳見文獻[19]。

1.2.3 測定項目與測定方法

1）氣象數據采集：小型自動氣象站（WeatherHawk 500，Campbell Scientific，USA）安裝在試驗小區的東邊，每隔30 min自動記錄氣象數據如降雨量（mm）、太陽輻射（kJ/m2）、氣溫（℃，平均氣溫、最高氣溫、最低氣溫）。

2）土壤數據采集：W2、W3處理各小區剖面土壤含水量用土壤水分速測儀（Diviner 2000，Sentek，澳大利亞）進行測量，每隔1 d測量1次。在水平方向上，W2處理在廂面中心位置埋設土壤水分監測管1根，長1 m；W3處理從廂面中心到輸水毛溝等間距埋設了3根1 m Diviner監測管，以監測土壤剖面上含水量變化。在垂直方向上，各根管從地表到地下60 cm，按10 cm一層分層測定含水量。

3）水稻農學參數監測

生育期：從移栽后10 d左右開始，每5 d觀察1次水稻的生長發育狀況，將水稻的主要生育期分為分蘗中期、最大分蘗期、拔節孕穗期、開花期和成熟期。

葉面積指數：在前4個生育期，每個小區釆集長勢均勻的8穴水稻植株樣品用于測定葉面積指數。采樣時為減小邊際效應，在采樣廂面中間2行采集8穴，并與前次采樣間隔4穴[21]。隨后用四分法取出部分植株分開莖葉，利用長寬法測定葉面積從而獲取葉面積指數。

地上干物質質量：在各主要生育期測定每個小區的生物量，每次采樣8穴，第1次取樣位置與第2次取樣位置距離0.5 m。用鐮刀緊貼地面割下水稻地上部，將植株樣放入烘箱中在105 ℃下殺青30 min，75 ℃下烘干至恒質量，稱干質量。

產量：測定預留的每個小區中間未擾動廂面的水稻產量，實際測產面積10 m2。

1.3 CERES-Rice模型改進

與淹水栽培相比，水稻覆膜旱作會導致土壤溫度和根系層水分環境發生較大變化，因此，原CERES-Rice模型中的土壤溫度及作物生長積溫、蒸發及水分脅迫等模擬過程可能難以反映覆膜旱作對水稻生長的影響，需根據實際情況予以改進。

1.3.1 土壤溫度與積溫

土壤溫度子模型已根據熱量傳輸理論、目前旱地作物生產系統中采用的覆膜增溫效應模擬方法及覆膜旱作條件予以改進，包括覆膜條件下表層和剖面土壤溫度的計算，詳見文獻[5]。

原CERES-Rice模型假定作物發育速度與9～33 ℃范圍內的溫度成正比，累計積溫為日溫度（daily temperature，DTT，℃）之和，當逐日最高（daily maximum temperature，TMAX，℃）和最低氣溫（daily minimum temperature，TMIN，℃）位于該范圍內時，

DTT=(TMAX+TMIN)/2-9 （1）

如果最高、最低溫度超出上述給定范圍，則通過每 3 h的溫度權重因子TTMP()（=1,2,…,8，表示每天可包含8個權重因子）和氣溫校正系數(TMFAC())對DTT進行修正[13]：

其中DT為中間變量，為

（3）

TTMP()=TMIN+TMFAC()·(TMAX-TMIN) （4）

TMFAC()=0.931+0.114–0.070 32+0.005 33（5）

溫度對作物發育的效應主要體現在對其分生組織的影響之上[22]，而作物生長早期的分生組織多在地表以下，其發育速度與由氣溫計算的積溫并不始終相關，當采用土溫替換氣溫時會顯著改善這種相關關系，顯然在作物生長早期采用土壤溫度描述對作物發育的影響更為確切。另外，相對于淹水處理，覆膜使得土壤溫度顯著升高[5]，因此在水稻最大分蘗期前，本研究將式（1）和（4）中的氣溫TMAX和TMIN均替換為土壤溫度以改進積溫的模擬過程，即

DTT=(STMAXfilm+STMINfilm)/2-9 （6）

TTMP()=STMINfilm+TMFAC()·(STMAXfilm-STMINfilm) （7）

式中STMAXfilm和STMINfilm分別表示覆膜后表層（地表下5 cm處）土壤溫度每日最高、最低值，℃。

1.3.2 蒸發與水分脅迫

傳統水稻淹水種植體系包括淹水和曬田2種狀態（或階段），與此相對應，稻田表面則分別發生水面蒸發和土面蒸發過程，這些原CERES-Rice模型中均有考慮。覆膜旱作將稻田分為覆膜種植區和非覆膜灌水溝2部分，考慮到覆膜對蒸發的抑制作用，本研究中對覆膜旱作稻田中蒸發的模擬僅針對非覆膜灌水溝區域，溝中有水時為水面蒸發、無水時為土壤蒸發，其模擬方法或過程不變，但蒸發面的面積需根據實際情況進行調整。

淹水種植水稻在曬田階段會經歷短暫的水分虧缺過程，在模擬根系生長/根系吸水及干物質生產分配時，原CERES-Rice模型都構造有水分脅迫因子來定量刻畫這種短暫水分虧缺的影響，其中用于干物質生產分配模擬的水分脅迫因子（water stress factor，SWFAC）被表征為根系吸水與潛在蒸騰之比，考慮了作物（根長、LAI、作物系數等）、土壤（水力學特性、含水量、反射率等）和氣象（輻射、氣溫等）等眾多因素，主要通過作物自身的反應或參數來刻畫水分虧缺對水稻生長過程的影響，所需參數較多、計算過程較為復雜，其結果的穩定性還受諸多氣象因子（如輻射、氣溫、風速等）的強烈影響。相較其他生長階段而言，淹水稻田的曬田期較為短暫且氣象因子也相對較為穩定，因而應用上述SWFAC表征水分虧缺模擬干物質生產分配可以獲得較為可靠的結果。對于本研究中的覆膜處理而言，其根系層可能在較長時間內都處于水分虧缺狀態（如W3處理），期間各氣象要素可能發生劇烈變化，從而導致計算獲得的SWFAC極不穩定或難以真實地反映作物所受到的水分脅迫程度；另外，進一步的試算結果還表明，SWFAC對根系層的水分狀況差異（如W2和W3處理）并不敏感，難以有效反映根系層不同水分虧缺程度所導致的作物干物質生產分配差異，與淹水稻田所面臨的情形不同，覆膜旱作稻田根系層長時期的非飽和條件確實會使得水稻受到程度不盡一致的水分脅迫[20]。為了規避不穩定氣象因素的影響，合理地定量表征這種較長時期根系層的水分虧缺程度，在改進CERES-Rice模型中，按照旱作物的常見處理方式引入水分脅迫因子，簡化、改進SWFAC的計算過程如下[23]：

式中為土壤含水量，cm3/cm3；2為萎蔫含水量（取-15 kPa基質勢所對應的含水量，本文設定為根系層各層土壤萎蔫含水量的平均值0.226 cm3/cm3；1為最適宜植物根系吸水含水量，cm3/cm3。傳統種植模式下，1通常取為田間持水量，但覆膜種植模式下，覆膜加強了水稻抗氧化防御能力并減少了水分虧缺引起的氧化損傷[24]，對于覆膜水稻，當土壤含水量小于90%的田持時作物生長將會受到影響[25]，所以本研究1取為田持的90%。

1.4 模擬結果檢驗

分別采用相對誤差（relative error，RE）、均方根差（root mean square error，RMSE）、相對均方根差（normalized RMSE，NRMSE）和建模效率（efficiency，EF）檢驗模型的模擬效果，其中前3種誤差檢驗方式較為常見，EF相對應用較少，主要用于表征模擬值與實測值間的吻合程度，其定義如下[26]：

式中S為第個樣本（共個樣本）的模擬值，M為對應的實測值，為實測平均值。EF值越大模擬值與實測值的吻合程度越高，完全符合時EF=1。

2 結果與分析

2.1 氣溫、降水與太陽輻射

水稻從移栽至收獲期（2013年4月28日—9月9日和2014年4月29日—9月19日）每天的降雨量、氣溫和太陽輻射的變化情況如圖2所示。水稻生長季內的總降雨多于600 mm，集中在6—7月。水稻生長早期（4月底5月初）每天的平均氣溫相對較低，最低日均氣溫為12.4 ℃（2014年5月3日），中期（6—7月）每天平均氣溫最高，最高日均氣溫達29.4 ℃（2013年6月18日）。當地氣候的特點是夏季炎熱多雨。2013、2014年平均太陽輻射分別是9 349.3、8 263.6 kJ/m2。由大田試驗的水稻2個生長季內的氣候條件對比可知，2013年太陽輻射、降水和日均氣溫均略高于2014年，所以2013年的水稻生育期較短，收獲較早。

圖2 2013和2014年水稻全生育期氣溫、降水量及太陽輻射的動態變化

2.2 土壤含水量

除曬田期（最大分蘗期1周：2013年7月3—9日、2014年7月16—23日；收獲期前2周）外，W2處理0～40 cm土層（根系層）的平均含水量體積分數實測值基本穩定，總體在0.39～0.44 cm3/cm3之間，接近飽和（圖3）。

注：W2、W3分別表示覆膜濕潤和覆膜旱作栽培，下同。垂直誤差線代表標準差，W2和W3處理的重復數分別為3和9。

自分蘗中期（2013年5月27日、2014年5月28日）開始水分處理后，在每個灌水周期內，W3處理的灌水溝水位變化過程為較高水深（10～15 cm）逐漸降至0，則距灌水溝不同位置處剖面土壤含水量變化動態規律不同，因此，W3處理的各田塊從廂面中間至灌水溝均埋設了3根Diviner監測管，以監測土壤剖面不同位置處含水量變化規律[5]。監測結果表明，同一深度的含水量在3個不同位置處差別不大，則本文均做平均處理，不再一一展示。除曬田期外的生長季內，2013和2014年W3處理根層0～40 cm土壤實測含水量體積分數為0.24～ 0.42 cm3/cm3，多高于80%田持（圖3）。

2.3 生長發育及產量模擬結果

對水稻生長發育的模擬必須建立在準確獲取供試水稻品種遺傳特性參數的基礎之上，本研究中的水稻遺傳特性參數已通過W1處理的實測資料予以調試和校驗[14]。

2.3.1 生育期模擬

每個生長季內，W2和W3處理的主要生育期（分蘗中期、最大分蘗期、拔節孕穗期、開花期、成熟期）基本同步，表明本研究所設置的水分處理對覆膜水稻生育期的影響較小。增溫效應使得2個覆膜處理（W2和W3）水稻在生育前期生長較淹水處理（W1）略快，之后，三者間生育期的差異則逐漸減小而趨于基本同步。為了保證各處理同步取樣，研究中不再顧及不同處理間生育期的差異，主要生育期均做統一標定（根據農學要求，大約按總面積的90%達到某一生育期來確定[27]）。這樣呈現出來的生育期觀測值，對于W2和W3處理而言，生育后期是合適的，前期則稍偏大（因為需統籌考慮W1處理的情況）。

2013年上述5個主要生育期分別出現在52、79、100、123和160 DAP，2014年則分別為49、76、102、123和167 DAP。采用相關實測資料，分別應用原CERES-Rice模型和改進CERES-Rice模型對2013、2014年水稻各生育期進行了模擬，由于水分處理從分蘗中期才開始，而最大分蘗期還包含1周的曬田期，故模擬的主要生育期僅包括之后的拔節孕穗期、開花期和成熟期，其與實測值對比結果如表1所示。

整體而言，原模型和改進模型都可較好地模擬覆膜水稻的生育期，相對誤差均在16%以內，反映的生育期相對變化規律也基本相同：2013年氣溫較高、降水較多、太陽輻射較強，水稻生育期較短、收獲較早（表1）。生育期主要基于積溫模擬，改進模型綜合考慮覆膜的增溫效應[5]，采用土溫替換原模型中的氣溫來計算積溫（以2013年為例，4月29日至6月30日之間，采用土溫計算的積溫為1059.56 ℃，大大高于采用氣溫計算的積溫值842.54 ℃，土溫、氣溫變化過程對比詳見馬雯雯等[5]），可以更好、更直接地表征溫度對作物生長發育的影響[22]，從而使得其生育期的模擬值均較原模型小，除拔節孕穗期外，多數相對誤差更小、更接近實測值，而拔節孕穗期出現稍大相對誤差（達15%）的主要原因在于：生育期的統一確定導致前期觀測值對于覆膜處理偏大，屬可以理解的合理現象，并非意味著改進模型的模擬效果較差。應用改進模型更有利于捕捉到氣溫升高、輻射增強促進水稻生長發育的變化規律，在生育期模擬方面，盡管改進模型和原模型的模擬效果總體相仿，但顯然改進模型可以更有效地模擬溫度變化對生育期進程的影響。

2.3.2 水稻葉面積指數及地上部干物質質量模擬結果

無論是2013年還是2014年，整體而言，2個覆膜處理（W2和W3）中水稻的生長發育狀況和長勢均十分相近，與W2相比，W3處理對水稻生長產生了稍重的水分脅迫，從而導致W3處理的部分生長發育參數（如生物量、產量等）會略低于W2處理，但統計檢驗結果表明兩者之間并不存在顯著差異[20]。

1）葉面積指數

淹水種植條件下，水稻生長前期，葉面積指數隨作物生長迅速增加，通常在拔節孕穗期至開花期達最大值，之后逐漸衰減[28]。覆膜栽培水稻的葉面積指數也基本呈現出這樣的規律，無論是實測值，還是模擬結果，反映出的總體變化趨勢大致類似，葉面積指數在水稻生長前期同樣迅速升高，拔節孕穗期（2013年7月11日，2014年7月16日）至開花期（2013年8月3日，2014年8月6日）達頂峰（圖4）。

注：重復數為3。

葉面積生長速率的計算與積溫、水分脅迫等有關[29]。原模型模擬未考慮處理間的水分脅迫差異，并采用氣溫計算積溫，故模擬獲得的W2和W3處理LAI動態變化幾乎一致。改進模型以土溫代替氣溫，計算獲得的積溫較高，相應地，LAI也稍高于原模型模擬值；盡管W2、W3處理的土溫基本相同（詳見馬雯雯等[5]），但W3處理的水分脅迫相對稍重，故LAI的模擬值略低（圖4）。然而，實測值的細微變化規律則出現了一定差異，僅生育前期2個覆膜處理的實測結果較為接近，后期卻差異明顯，其中2013年2處理間的差異沒有規律（互有高低），2014年W3處理生育后期的葉面積指數甚至高于土壤水分條件更好的W2處理，導致實測值產生這種不規律變化的可能原因在于：盡管本文研究僅涉及3個水分處理，而實際的大田試驗另外包括了3個氮肥的處理，每個處理有3個重復，共計27個小區，隨機布置[19]，重復間的距離相對較遠，可能導致產生較大的空間差異；每次每小區植物采樣共8穴，由于葉片數量太多，隨機取其中的1/4（四分法獲取）利用長寬法來測定葉面積，導致所測定樣品的隨機性相對較高。圖4所示較大的標準差可能反映的就是這種相對較大的隨機性和空間變異性。實測值與模擬值之間不太一致的動態變化差異導致兩者間的RMSE和NRMSE稍大，改進模型模擬情況下，其最大值分別達1.54 m2/m2和26.59%，而原模型的模擬效果則更差，不同年份和處理的RMSE和NRMSE約為改進模型的2倍，最大RMSE和NRMSE分別高達2.72 m2/m2和46.97%（表2）。按Michele等[30]的觀點，NRMSE≤10%，模擬效果則極好；10%30%時，模擬效果較差。在CERES-Rice模型輸出的4個生長發育參數（生育期、葉面積指數、生物量和產量）中，葉片的空間變異性相對較大，對于葉面積指數這種隨機性較高、變異性較大的變量而言，改進模型模擬結果的RMSE和NRMSE也基本在可接受范圍內。

表2 2013—2014年水稻覆膜處理葉面積指數實測值和模擬值的均方根差（RMSE）、相對均方根差（NRMSE）及建模效率（EF）

另外，從實測值與模擬值2個數據系列間的吻合程度來看，改進模型的建模效率EF在0.85以上，均大大高于原模型，而原模型的EF甚至低至0.52、最高EF也僅為0.78（表2）。顯然，無論是RMSE、NRMSE還是EF，各項檢驗指標均顯示改進模型可以更好地模擬葉面積指數的變化過程，當不做改進而采用原CERES-Rice模型進行模擬時，會導致更大的誤差和幾乎無法接受的模擬效果。

2）地上部干物質質量和產量

與葉面積指數的變化過程稍有不同，隨著水稻生長，其地上部干物質質量逐漸增加直至收獲。無論是實測值，還是原模型和改進模型獲得的模擬值，2013、2014年覆膜處理（W2、W3）地上部干物質質量的動態變化均很好地呈現了這一變化規律，隨時間逐漸增長的趨勢較為一致（圖5）。具體來說，改進模型的模擬結果更接近實測值并大大優于原模型，最大RMSE和NRMSE分別不超過1 490 kg/hm2、16%，基本在可接受范圍之內，且模擬獲得的地上部干物質質量的變化趨勢與實測規律十分吻合，各處理建模效率EF均不低于0.95（表3）；而未經改進的原CERES-Rice模型模擬結果的RMSE和NRMSE值均在改進模型的2倍以上，最大值分別達3 593 kg/hm2、38%，相應地，其建模效率也大大低于改進模型，與實測系列相距甚遠（表3）。改進模型由于考慮了覆膜的增溫效應，并通過土溫代替氣溫更好地刻畫了積溫對作物生長的影響，其模擬結果因而能更好地反映地上部干物質質量的實際變化規律；反之，原模型則低估了覆膜溫度變化對生物量增長的作用，從而導致地上部干物質質量的模擬值低于實測值及改進模型的模擬結果；另外，水分脅迫作用的考慮也使得改進模型可以比原模型更好地模擬出W2和W3處理間的細微差異（圖5）。

圖5 2013和2014年水稻覆膜處理地上部干物質質量實測值和模擬值的動態變化

表3 2013—2014年水稻覆膜處理地上部干物質質量實測值和模擬值比較

可能是受土壤含水量水平稍低的影響，2個生長季中W3處理水稻的實測產量均略低于W2處理，但整體而言，無論在水分處理間、還是在年際間，覆膜處理水稻的實測產量均沒有顯著差異[20]，原模型和改進模型的模擬值也都較好地呈現了這一規律（表4），表明本研究中的W3處理也基本能滿足覆膜旱作水稻對于水分的需求[19]，盡管2014年水稻生長季內的氣溫較低、輻射較弱，但生育期的延長可能有助于其產量形成的補償。

與其他生長發育參數相比，作物產量模擬結果的準確性通常更受重視。一般認為產量實測值和模擬值的誤差在5%～15%之間，模擬結果是可以接受的[16]。從平均水平來看，原模型和改進模型的模擬結果總體相仿，相對誤差的平均值分別為13.3%和13.0%（表4），模擬效果不十分理想，但大體在可接受范圍之內；從相對誤差的變化情況和最大值來看，2013年原模型的模擬效果尚可，甚至略優于改進模型的模擬結果，但2014年原模型模擬值與實測值間的相對誤差均在15%以上（最大達16%），模擬效果較改進模型略差；由于未考慮覆膜增溫效應對水稻生長的影響，原模型模擬導致了對產量的低估，從這一角度來看，改進模型的模擬效果應更符合實際，但改進效果似乎又有點過頭，造成了對產量的高估（表4）。改進模型模擬值的高估現象可能來自于以下2方面的原因：1）由于覆膜后追肥困難，生產上通常將肥料一次性基施，極易造成水稻前期生長過旺、后期顯著缺肥的現象，從而影響覆膜水稻籽粒產量的形成和該技術增產潛力的發揮[31-32]，本研究中改進模型的模擬過程完全未考慮養分脅迫的影響，故而產量的模擬結果可能偏高；2）生長發育模擬過程中，關于覆膜增溫效應對水稻產量形成的促進作用機理（比如是否簡單地以地溫代替氣溫即可反映其產量形成的真實規律）可能也需要更進一步地研究，當然，還需要不同情形條件下更廣泛地檢驗驗證。土壤養分模塊的考慮可能使產量結果更合理，這也是筆者進一步需要進行的研究。

表4 2013—2014年覆膜處理水稻產量的實測值和模擬值

總體而言，改進溫度和積溫、蒸發和土壤水分脅迫等模擬子模塊可以更好地反映覆膜對水稻生長發育的影響，使CERES-Rice模型能更好地用于模擬覆膜旱作水稻的生長發育規律。

3 結論與討論

覆膜旱作使得稻田土壤溫度和水分等生長環境發生了較大改變，為了使CERES-Rice模型能更好地用于模擬覆膜旱作水稻的生長發育規律，本文根據部分旱地作物的相關研究成果，改進或完善了原CERES-Rice模型中的積溫和土壤溫度、蒸發和土壤水分脅迫等模擬子模塊，并進一步通過2 a的水稻栽培田間試驗對改進模型的模擬效果進行了檢驗和評價，主要結論如下：

1）無論是原CERES-Rice模型，還是改進模型，均可較好地模擬覆膜水稻的主要生育期，使模擬結果的相對誤差控制在15%以內，但改進模型由于綜合考慮了覆膜的增溫效應，可以更為真實、有效地模擬溫度變化對生育期進程和變化規律的影響。

2）采用原模型已無法準確地模擬覆膜旱作水稻葉面積指數的動態，不同年份、不同處理實測值與模擬系列間的均方根差、相對均方根差分別可達2.72 m2/m2和46.97%，而建模效率低至0.52；經改進后，最大RMSE、NRMSE被分別降至1.54 m2/m2和26.59%，建模效率則提高至0.85及以上，均在可接受范圍之內。

3）就覆膜旱作水稻的地上部干物質質量和產量而言，改進模型的模擬結果同樣也大大優于原模型，使不同年份和處理地上部干物質質量實測變化過程與模擬值間的均方根差和相對均方根差分別在1 490 kg/hm2、16%之內，建模效率不低于0.95；同時，控制產量模擬值與實測值間的相對誤差在15%以內。

由于客觀地考慮了覆膜旱作對水稻生長環境（土壤溫度、含水量）的改變及其對作物生長的影響，經改進的CERES-Rice模型可以較好地模擬覆膜旱作水稻的生長發育規律，從而為相關的機理研究、環境效應評估及覆膜旱作水稻生產體系的進一步推廣應用奠定良好的基礎。當然，本研究僅考慮了水分處理的影響且局限于小區試驗，有關改進模型在更多復雜條件（如不同養分處理、不同區域和氣候條件、更大尺度或范圍等）下的應用效果仍有待進一步研究。

致謝：感謝美國University of Florida的GerritHoogenboom教授在模型運用過程中所提出的良好意見和建議。

[1] Qu H, Tao H, Tao Y, et al. Ground cover rice production system increases yield and nitrogen recovery efficiency[J]. Agronomy Journal, 2012, 104(5): 1399－1407.

[2] 彭世彰，李榮超. 覆膜旱作水稻蒸發蒸騰量計算模型研究[J]. 河海大學學報，2001，29(3)：51－54. Peng Shizhang, Li Rongchao. Calculation models of rice evapotranspiration in plastic film mulched dryland[J]. Journal of Hohai University, 2001, 29(3): 51－54. (in Chinese with English abstract)

[3] 羅霄，李忠武，葉芳毅，等. 水稻生長模型CERES-Rice的研究進展及展望[J]. 中國農業科技導報，2009，11(5)：54－59.Luo Xiao, Li Zhongwu, Ye Fangyi, et al. Progress and prospects of studies on CERES-Rice models[J]. Journal of Agricultural Science and Technology, 2009, 11(5): 54－59. (in Chinese with English abstract)

[4] Basso B, Liu L, Ritchie J T. A comprehensive review of the CERES-Wheat, Maize and -Rice models’ performances[J]. Advances in Agronomy, 2016, 136: 27－132.

[5] 馬雯雯，金欣欣，石建初，等. 基于CERES-Rice模型的覆膜旱作稻田增溫效應模擬[J]. 農業工程學報，2015，31(9)：215－222.Ma Wenwen, Jin Xinxin, Shi Jianchu, et al. Modeling increasing effect of soil temperature through plastic film mulch in ground cover rice production system using CERES-Rice[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(9): 215－222. (in Chinese with English abstract)

[6] Ritchie J R, Otter S. Description and performance of CERES-Wheat: a user-oriented wheat yield model[J]. ARS-United States Department of Agriculture, Agricultural Research Service (USA), 1985(38): 159－175.

[7] Ritchie J T. A user-orientated model of the soil water balance in wheat[M]//Wheat Growth and Modelling. U S: Springer, 1985: 293－305.

[8] Suleiman A A, Ritchie J T. Modeling soil water redistribution during second-stage evaporation[J]. Soil Science Society of America Journal, 2003, 67: 377－386.

[9] Ritchie J T, Porter C H, Judge J, et al. Extension of an existing model for soil water evaporation and redistribution under high water content conditions[J]. Soil Science Society of America Journal, 2009, 73(3): 792－801.

[10] Ritchie J T. Soil water balance and plant water stress[M]// Understanding Options for Agricultural Production. Netherlands: Springer, 1998: 41－54.

[11] 姚鳳梅.氣候變化對我國糧食產量的影響評價[D]. 北京：中國科學院，2005. Yao Fengmei. Assessing Impacts of Climate Change on Rice Yields in China[D]. Beijing : Chinese Academy of Sciences, 2005. (in Chinese with English abstract)

[12] Ritchie J T, Alocilja E C, Singh U, et al. IBSNAT and the CERES-Rice model[J]. Weather and Rice, 1986: 271－281.

[13] Singh U, Matthews R B, Griffin T S, et al. Modeling growth and development of root and tuber crops[M]//Understanding Options for Agricultural Production. Netherlands: Springer, 1998: 129－156.

[14] 劉洋，石建初，金欣欣，等. CERES-Rice模型中宜香3728水稻遺傳特性參數調試與校驗[J]. 農業工程，2015，5(3)：119－123. Liu Yang, Shi Jianchu, Jin Xinxin, et al. Adjustment and validation for genetic parameters of Yixiang 3728 in CERES-Rice model[J]. Agricultural Engineering, 2015, 5(3): 119－123. (in Chinese with English abstract)

[15] Jones C A, Kiniry J R, Dyke P T. CERES-Maize: A Simulation Model of Maize Growth and Development[M]. Texas: A and M University Press, 1986: 75－88.

[16] Ritchie J T, Singh U, Godwin D C, et al. Cereal growth, development and yield[M]//Understanding Options for Agricultural Production. Netherlands: Springer, 1998: 79－98.

[17] 汪興漢. 地膜的種類與性能[J]. 江蘇農業科學，1984(8)：44－45. Wang Xinghan. The types and properties of plastic films[J]. Jiangsu Agricultural Sciences, 1984(8): 44－45. (in Chinese with English abstract)

[18] 中共房縣縣委房縣人民政府. 房縣城市介紹及氣候背景[EB/OL]. (2010-06-12)[2015-12-10]. http://www.fangxian.gov.cn/html/mlfx/ 010-06/408.html.

[19] 石建初, 金欣欣, 李森, 等. 覆膜旱作稻田水均衡及蒸騰耗水規律分析[J]. 水利學報, 2016, 47(10): 1260－1268. Shi Jianchu, Jin Xinxin, Li Sen, et al. Transpiration analysis based on water balance in a ground cover rice production system[J]. Journal of Hydraulic Engineering, 2016, 47(10): 1260－1268.

[20] Jin X, Zuo Q, Ma W, et al. Water consumption and water-saving characteristics of a ground cover rice production system[J]. Journal of Hydrology, 2016, 540: 220－231.

[21] Wang K, Zhou H, Wang B, et al. Quantification of border effect on grain yield measurement of hybrid rice[J]. Field Crops Research, 2013, 141: 47－54.

[22] Stone P J, Sorensen I B, Jamieson P D. Effect of soil temperature on phenology, canopy development, biomass and yield of maize in a cool-temperate climate[J]. Field Crops Research, 1999, 63(2): 169－178.

[23] Feddes R A, Kowalik P J, Zaradny H. Simulation of field water use and crop yield[M]//Centre for Agricultural Publishing and Documentation. Wageningen, Netherlands: Pudoc, 1978: 189.

[24] Liang Y, Hu F, Yang M, et al. Antioxidative defenses and water deficit-induced oxidative damage in rice (L.) growing on non-flooded paddy soils with ground mulching[J]. Plant and Soil, 2003, 257(2): 407－416.

[25] 王懷博. 膜下滴灌旱作水稻需水規律和土壤水分下限試驗研究[D]. 銀川：寧夏大學，2014.

Wang Huaibo. Study on Drip Irrigation Under Membrane of Water Demand Regulation and Soil Moisture Lower Limit in Dry Farming Rice [D]. Yinchuan: Ningxia University, 2014. ( in Chinese with English abstract)

[26] Smith P, Smith J U, Powlson D S, et al. A comparison of the performance of nine soil organic matter models using datasets from seven long-term experiments[J]. Geoderma, 1997, 81(1): 153－225.

[27] Ying J, Peng S, He Q, et al. Comparison of high-yield rice in tropical and subtropical environments: I. Determinants of grain and dry matter yields[J]. Field Crops Research, 1998, 57(1): 71－84.

[28] 劉芳，樊小林. 覆蓋旱種水稻的農學性狀及產量變化[J]. 西北農林科技大學學報，2005，33(2)：63－68.Liu Fang, Fan Xiaolin. A gronomic parameters of rice yield components and yield response to ground cover rice production system (GCRPS)[J]. Journal of Northwest A & F University, 2005, 33(2): 63－68. (in Chinese with English abstract)

[29] Jones J W, Hoogenboom G, Porter C H, et al. The DSSAT cropping system model[J]. European Journal of Agronomy, 2003, 18(3): 235－265.

[30] Michele R, Nicola L, Zina F. Evaluation and application of the OILCROP-SUN model for sunflower in southern Italy[J]. Agricultural Systems, 2003, 78(1): 17－30.

[31] 沈康榮，羅顯樹. 水稻全程地膜覆蓋濕潤栽培法增產因子及關鍵栽培技術的研究[J]. 華中農業大學學報，1997，16 (6)：547－551.Shen Kangrong,Luo Xianshu. Increasing factors of rice film-covering through growing season and its key cultural techniques[J].Journal of Huazhong Agricultural University, 1997, 16(6): 547－551. (in Chinese with English abstract)

[32] 劉軍，劉美菊，官玉范，等. 水稻覆膜濕潤栽培體系中的作物生長速率和氮素吸收速率[J]. 中國農業大學學報，2010，15(2)：9－17. Liu Jun, Liu Meiju, Guan Yufan, et al. Grain yield and nitrogen uptake were affected by the Ground Cover Rice Production System with plastic filmcovering[J]. Journal of China Agricultural University, 2010, 15(2): 9－17. (in Chinese with English abstract)

Rice growth simulation under film mulching in dryland through improving CERES-Rice model

Ma Wenwen1, Shi Jianchu1, Jin Xinxin2, Ning Songrui3, Li Sen1, Tao Yueyue4, Zhang Ya’nan1, Liu Yang5, Lin Shan1, Hu Pengcheng1, Zuo Qiang1※

(1.100193;2.050035; 3.710075; 4.215155; 5.050021)

The ground cover rice production system (GCRPS) is a potential alternative to the traditional paddy rice production system (TPRPS) by irrigating soil beds mulched with film and maintaining soils under predominately unsaturated condition, and it has become one of the most promising water-saving technologies for rice. The increase of soil temperature effected by film mulching and the unsaturated root-zone condition should be taken into consideration when CERES-Rice (a software package widely and successfully applied in TPRPS) is used to simulate rice growth in a GCRPS. In this study, the sub-modules of soil temperature and soil water in original CERES-Rice model were improved (through changing soil temperature and water conditions based on the relevant research results of the dryland crops) to evaluate the simulation on rice growth in the GCRPS. A 2-year field experiment (2013 and 2014) with 3 treatments. The treatment W1 referred to the traditional treatment with a 2-5 cm water layer on the soil beds but without plastic film mulching, W2 was the film mulching treatment keeping soil moisture in root zone near the saturated content by filling the furrows with water completely but without water layer on the soil beds, and W3 was also the film mulching treatment that was managed as the same way as the W2 before mid-tillering stage and then kept the soil moisture in root zone at 80%-100% of field water capacity. The experiment was conducted in Fang county of Hubei province, located at 32°7￠N and 110°42￠E to test the feasibility and rationality of the model improvement. Each treatment was replicated 3 times. A total of 9 plots were arranged and each plot was 9 m in wide and 10 cm in length. A seepage-proof material was laid around each plot under the depth of 80 cm to avoid lateral percolation from the neighbor plots. Five soil beds (156 cm wide) in each plot were built for planting rice, 6 lines of rice were planted for each soil bed with the fixed spacing (26 cm between lines and 18 cm between plants). The small furrows (15 cm in width and depth, respectively) were dug around each soil bed. Among the 2 growth seasons, the experimental data (obtained in 2013 and 2014) were used to rectify the simulation models and verify the rectified models, respectively. Based on the measured meteorological data (air temperatures/solar radiation/precipitation etc.), soil data (soil water contents/soil physical parameters/soil organic matter contents etc.) and field management data (irrigation amount/displacement/fertilizing amount by field), the changing processes of rice growth in the W2 and W3 treatments were simulated using the rectified models. The original and improved CERES-Rice models were also used to simulate the change of leaf area index, the aboveground dry weight, and the rice yield during the 2 growth seasons. The results of the comparison showed that the improved CERES-Rice model had remarkable superiority in delineating the effects of changing environments (e.g. soil temperature and soil water) on rice growth and production in the GCRPS. Both of the estimation of the phenological phases and yields were in good agreement with the measured values, and the relative error was not more than 15%. The root mean squared errors (RMSE) between the simulated and measured leaf area index was not higher than 1.54 m2/m2, the correspondingly normalized root mean squared errors (NRMSE) was not higher than 26.59% and the values of modeling efficiency (EF) were not less than 85%. Moreover, the simulated dynamics of aboveground dry weight were compared well with the measured values (RMSE was smaller than 1 490 kg/hm2, NRMSE was smaller than 16%, but EF was not less than 0.95). Therefore, the improved CERES-Rice model is rational and reliable to simulate rice growth and production in GCRPS.

soils;models; numerical methods;ground cover rice production system (GCRPS); CERES-Rice model; growth and development of rice

10.11975/j.issn.1002-6819.2017.06.015

TU205; Q178.51+6

A

1002-6819(2017)-06-0115-09

2016-07-10

2016-12-10

國家自然科學基金項目（51139006，51321001）

馬雯雯，女，山東德州人，博士生，主要從事覆膜旱作條件下的水稻生長過程模擬。北京 中國農業大學資源與環境學院，100193。Email：ma20072613650@126.com

左 強，男，湖北人，教授，主要從事土壤物理與節水農業機理研究。北京 中國農業大學資源與環境學院，100193。Email：qiangzuo@cau.edu.cn